Bildgestütztes Training mobiler Service-Roboter in virtuellen Welten

Automatisches Training ist dem manual Teach-In entscheidend <e:1> berlegen，以及eine effizente Abdeckung des gesamten Manöverraums durch simulerte Training daten ermöglicht。Dies ist die Voraussetzung fr das gewnschte flexible Verhalten in iner variablen Umwelt, wobei das Training selbst effizienter ist, da es im verkrzten Zeitmaßstab ablaufen kann。Um night nur Trajektorien, sondauch die während eines Greifvorgangs ausge<s:1> bten Kräfte trainieren zu können, find das Training in iner physikalisch model listen Virtuellen Realität stat。在物理学上，牛顿的力学理论与牛顿的力学理论是一致的。研究对象包括：物理模型、听觉虚拟模型、准自然属性、感官和本体感受反馈。例如：柔性训练，通用算法，神经网络算法，模糊集算法，神经网络算法。在Projekt werden der beem Antragsteller vorhandene移动服务机器人中，在Greifer和debenfalls vorhandene vr - infrastructure工程中。

Automatisches Training ist dem manuellen Teach-In entscheidend überlegen, weil es eine effiziente Abdeckung des gesamten Manöverraums durch simulierte Trainingsdaten ermöglicht. Dies ist die Voraussetzung für das gewünschte flexible Verhalten in einer variablen Umwelt, wobei das Training selbst effizienter ist, da es im verkürzten Zeitmaßstab ablaufen kann. Um nicht nur Trajektorien, sondern auch die während eines Greifvorgangs ausgeübten Kräfte trainieren zu können, findet das Training in einer physikalisch modellierten Virtuellen Realität statt. In dieser virtuellen Welt sind die dargestellten Komponenten mit physikalischen Eigenschaften nach den Gesetzen der Newton'schen Mechanik versehen. Entsprechend liefern Interaktionen mit einer physikalisch modellierten virtuellen Welt ein quasi-natürliches haptisches und propriozeptives Feedback. Um durch das Training ein flexibles, generalisierendes Verhalten zu erhalten, werden lernfähige Algorithmen auf der Basis Neuronaler Netze, Genetischer Algorithmen oder Fuzzy Sets genutzt. Im Projekt werden der beim Antragsteller vorhandene mobile Service-Roboter, ein Greifer und die ebenfalls vorhandene VR-Infrastruktur eingesetzt.